奧地利土壤轉換函數(shù)的構建研究.pdf

1、土壤水動力學特性是土壤水分、溶質運移模擬研究中的重要參數(shù)，而土壤轉換函數(shù)(PTFs)的構建及評價是土壤水動力學研究中的重要內容之一。本文主要針對奧地利土壤觀測，結合采用多指標綜合評價與BVTO(Bias/VanrianceTrade-Off)方法，對文獻中PTFs、Soilpar原有模型以及Rosetta、改進Soilpar等改進模型進行模擬評價，比較得出預測效果最好的PTFs，并運用多元線性回歸方法構建及評價適合奧地利土壤的PTFs，

2、主要結論如下:
　　(1)對于文獻中PTFs模擬預測，分別從R2、RMSE、Slope來看，很難得出預測效果最好的模型。因此，將三種指標綜合起來，并結合BVTO圖對模型進行評價，得出RB為預測θ-100效果最好的模型;θ-300預測效果最好的模型為GL和RB;VDB和TB是預測θ-15000效果最好的模型。
　　相似地，對于Soilpar模擬預測，將三種指標綜合起來，并結合BVTO圖對模型進行評價，得出預測θ-60效果最好的

3、方法是BSST; BSSS和BSST是預測θ-100效果較好的模型;預測θ-300效果最好的模型是Brakensiek，BSSS對于預測θ-300也具有較好的預測效果;BSSS亦是預測θ-15000效果最好的模型。
　　(2)對改進模型進行模擬評價，得出Rosetta對于預測θ-60具有較好的效果;預測θ-100效果最好的模型為ABSSS，Rosetta對于預測θ-100也具有較好的效果;ABrakensiek則為預測θ-300效

4、果最好的模型;對于θ-15000，預測效果最好的是ABrakensiek和ABSST。
　　通過比較改進Soilpar與原Soilpar模擬預測結果，在預測θ-300時原SoilparHuston預測效果比改進的AHuston要好。另外，ABSSS和BSSS在預測θ-15000時預測效果均較好。其他改進的Soilpar模型均比原Soilpar模型模擬預測效果好。
　　原有及改進模型中Rosetta和ABSSS分別是預測θ-6

5、0和θ-100效果最好的模型;預測θ-300效果最好的模型是ABrakensiek、Brakensiek和RB;ABSST和ABrakensiek是預測θ-15000效果最好的模型。
　　(3)綜合來看，多元線性回歸方法構建本研究區(qū)的PTFs較原有PTFs或軟件模型改進了θ-60、θ-100和θ-15000對應土壤含水量，盡管沒有大幅度改進，但是，與原有及改進模型中最好模型相比較，多元線性回歸構建的模型方程中θ-100和θ-150

6、00自變量個數(shù)相對減少。而對于θ-300，構建PTFs預測效果較原有PTFs及改進PTFs(如ABrakensiek、Brakensiek和RB)稍遜。另外，雖然不同模型在不同基質勢下模擬表現(xiàn)性能不一，但總體來看，NPTFs、Rosetta、BSST、BSSS、ABSSS、ABSST和ABrakensiek對于大部分基質勢下土壤含水量模擬預測效果較好。
　　通過土壤轉換函數(shù)來估算不同基質勢下的土壤含水量，其結果對于研究土壤水分的滯